声明：本文来自微信公众号脑极体(ID: Unity 007)，作者：张浩，转载许可发表。

在此之前，iOS15系统更新内置了一个功能，引起了不少关注。就是内置照片翻译。

用户可以直接从照片中选择要翻译的文本，查看翻译结果。据说苹果还更新了翻译模式，提高了翻译效果。

如果几年前神经机器翻译的出现是很多人类翻译的噩梦，那么这个系统内置了翻译照片功能，很多专业翻译软件可能无法入睡。(大卫亚设，北上广深)。

对于像我这样需要经常阅读英语信息的人，应该经常接触pdf文献、照片类内容，并在识别第三方软件照片后进行翻译。如果IOS15可以直接识别图片，为什么不省略几个步骤呢？简直是懒人的福音。

那么问题来了。翻译好不好，重点是“功效”。iOS15的照片翻译能力是否已经强大到可以代替专业翻译软件？辛达雅的中文表达一直是NLP领域的难题，要知道拥有硅谷基因的科技公司能完成真正的中英翻译吗？

本着实践真知的态度，我们准备了各种考试问题，选择口碑和用户数比较突出的适当词典APP，参与水平评价，探索iOS15照片翻译的实际水平。

真心话和大冒险：

照片翻译三步曲

对翻译功能的专业评价不少。各种指标，如短小的文章，都有详细的评价标准和规范，但作为普通用户，我们决定在人们日常使用照片翻译的具体场景和阶段进行评价。(大卫亚设，Northern Exposure)。

一般来说，要准确翻译照片中的文字，至少需要3种能力3360

阶段：火眼金睛，“看得清楚”。

照片翻译首先测试OCR功能，而不是NLP技术，以满足用户的需求。只有识别正确，才能为后续翻译奠定基础。这种能力的核心评价指标就是字准率。

运营上，Apple iOS15采用内置方式，可以直接从照片中选择要翻译的文本来查看翻译结果。适当的词典应该在应用程序中打开照片识别功能。前者在使用上应该更方便一些。但是到了识别链接，iOS15拉了一下胯部。

我们找到了一个英语短文、一个英语长句和一个汉语长句。结果显示，在英语自准率上，苹果和适当的差异不大。

例如，可以识别“Do me a favor，can you look for my credit card . I don ' t find it”的原文

IOS15的结果是：Do me a favor。can you look for my credit card，I don find it。

苹果将don't识别为don，但对阅读没有太大影响，准确度仍然可以接受。

请换个英语长句测试一下。下面这张照片，适当的识别结果是：

one bad chapter doesn ' t mean my story is over until you find a new chapter which you think it ' s right达到了98.96%的自给率。

IOS15的结果是：

one bad chapter t mean my story is over until you find chapter which you think it ' l s right .

将It's right识别为IT ' l Right可能会影响后续语义的理解。

到了中文准考证，讲道理和苹果拉开了差距。例如，下图：

完全认识，苹果iOS15没有认识到“雨”的雨，“系列”，倒数第二段的“纪念组”一词也被漏掉，直接影响了阅读体验和用户理解。

综合来说，英语自准率两者差异不大，略胜一筹。(威廉莎士比亚、温斯顿、英语名言)有办法在中文水平上做到90%以上的正确认识，苹果iOS15只有79%，优势明显。

这种差距的原因似乎是图片翻译中积累了更多的词典。

从5年前开始尝试开发照片翻译功能，接着通过现货云向很多主要手机企业提供相关功能。很多用户积累了教育资料，以用于各种照明条件、各种用途。通过持续重复段落分析、图片检测、图像偏移角度检测、语言检测等算法，OCR能力自然可以针对用途进行优化。(约翰肯尼迪，作家)。

而且，作为中国公司，对汉语母语的理解更深，苹果iOS15刚刚开始普及，现实场景中的汉语识别还不够，这也是可以理解的。(大卫亚设，中文)。

第二阶段：心像镜子一样“可以理解”。

图片文本识别完成后，需要神经机器翻译。中文和英文都是语料比较丰富的语言，所以对其理解能力的要求也更高。

所以我们选择了两个细节来调查：

，时态。

原文包含“是的，今天出去玩”的计划意思。

“是的。必须翻译成“we're going out today”。

苹果的翻译是：Yes.go out today。

显然，在采用“be going”的一般未来时，更准确地理解原文的意图，表达计划、准备、做某事的意思，苹果的译文没有反映出计划的状态。(威廉莎士比亚，《北方执行》(Northern Exposure))。

第二个是单数。

英语单词的单复数往往承担着截然不同的解释，如果不能正确识别，译文可能会与原意相反。

例如，这个“1200square”被翻译成“1200平方”，苹果iOS15的翻译被翻译成“1200广场”。

Square是指单数状态下的平方单位，苹果的翻译容易使读者模糊。

当然，在整体理解中，与苹果的中英翻译水平一起，可以满足基本的阅读需求。

例如，这个长句子3360

He puts down $20，000 a s a deposit on the beautiful $ 200，000 villa believing that his investment would increase over time。

适当的译文3360他为价值20万美元的漂亮别墅支付了2万美元的定金，相信他的投资会随着时间的推移而增加。

IOS15的译文3360他用这座美丽的20万美元别墅的保证金存了2万美元，相信他的投资会随着时间的推移而增加。

目前，照片翻译的中文相互翻译、适当的方法和iOS15基本上表现出了强大的理解能力。部分单词的用法、表达习惯上的细节洞察有差异，其背后是语料积累、型号选择、性能优化等差异。

第三阶段：雪莲，“说别人的话”。

中文翻译，很多人的黄金指标是“辛达雅”。也就是说，译文要准确，不要偏离原文。要乖乖，语法结构符合习惯。优雅，用语精通，文采丰富。

神经机器翻译发展到今天，能满足这个要求吗？具有不同语言基因的两个翻译平台苹果和苹果只能调戏一次。

请先发一次：分钟

原文：你们收了我80元

译文：You charged me580

IOS15翻译3360You received me80yuan。

“得到钱”是charge，翻译更符合英语表达，苹果直接把“得到”翻译成“receive”并不精通。

请再尝试一个中间长的句子。

原文：After the accident，I felt myself another person。

译文：事故发生后，我觉得我变成了一个人。

IOS15译文3360事故发生后，我感到我是别人。

苹果公司将“another person”直接翻译成“别人”，不表达内心的变化，容易产生歧义，翻译成“一个人”，使其更加准确口语化。

当然，也可能存在太直译的问题。例如，下图中原文为：In conclusion，drawing on the electronic media or printed books might be a good approach to understand different places or count

翻译成：使用电子媒体或印刷的书可能是了解其他地区或的好方法。

苹果翻译成：总之，利用电子媒体或印刷的书可能是了解其他地区或的好方法。

IOS15在调整词序后，表达更加恰当自然，有时会根据该模式直译。

但是此次考试问题主要以生活、旅游、文化交流场面为基础进行，对专有名词的翻译效果有待进一步考察。

另外，由于Apple iOS15在阶段OCR识别中的自准率较低，直接影响后续文本的理解，因此Apple的一些翻译结果数据没有参考性，因此无法对翻译水平做出结论。

一次辛达雅的照片翻译是多技术的融合，可以看到OCR、分词、理解意思、记忆上下文、提取主题等多种能力共同工作。

因此，初生苹果系统级照片翻译要代替专业翻译软件还有很长的路要走。但是，作为专业翻译软件，关于机器翻译的普遍问题也可以继续加强专业壁垒。(威廉莎士比亚，《北方执行》(Northern Exposure))。

这也引起了我们的思考，为什么有了AI，神经机器翻译仍然比不上人类翻译者？(另一方面)。

理想和现实的锯齿状：

戴着镣铐跳舞的神经机器翻译

神经网络引入机器翻译时，被认为是的神器。但是几年后的现在，这种神奇的技术比传统的统计机器翻译要得多，但与人类翻译家的水平相去甚远。

从此次苹果iOS15和有适当词典的横向评价来看，两者都存在一定的不足之处。简而言之，原因可以是很多方面的3360

1.Out of Vocabulary(OOV)问题很难解决。

基于深度神经网络的机器翻译模型需要大量的数据学习。数据量小会降低出现次数少的单词的单词矢量质量，实际应用程序中未注册的单词太多，可能会发生误译、误译等。目前，一些垂直领域资料不足，语料不足，特别是汉语中有数千个文字，其中很多文字是生僻的文字，影响模型表达和译文的质量。

为了解决这一点，只能用“愚蠢的功夫”积累数据。据有词典的技术人员说，学好汉语没有特别好的方法，不断积累数据，反复算法，在过去几年里做了很多工作。

算法优化和创新正在等待突破。

语言文化不同，文字表达、逻辑结构、信息重复度、语法结构不同，“信息不对称”很多，难怪在“编解码器”过程中会出现误译。

《文化翻译论纲》一本书提到，译文是“原文化背景译文文化背景原著家的气质和风格翻译家的气质和风格”的混合体。

要想理解背后的文化、气质、风格等“隐藏属性”，只能通过技术重复和创新来实现。例如，有一种方法可以让用户提供额外的用户指定词典，准确地调整神经网络机器翻译的部分结果，并解决专有名词的翻译问题。

业界也开始引入多模态翻译，通过图中其他事物的特点帮助理解文本。例如，如果机器翻译只看到GATE这个词，就可以简单地翻译成“门”，但如果照片上的机票或背景是机场，那么翻译成“登机口”就更合适了。

3.没有细分场景拟合的捷径。

随着机器翻译的普及，用户对翻译质量提出了更详细的要求，例如翻译照片时前面的少量识别错误可能导致的级联问题。网页翻译不仅要提供准确的翻译，还要保持原始网页风格的一致性。文档翻译时，名称、地名、组织名称或专业术语可能会出现多次，上下文如何匹配？即使在配置较低的终端设备上，也必须提供快速好的翻译体验。各种方案中的各种问题需要针对用途进行优化。(约翰肯尼迪，作家)。

照片翻译的话，自然场景下的图像识别非常复杂，经常在实验室里效果非常好，但用户要在各种照明条件下拍摄各种奇怪的东西，识别后判断哪些单词属于一个句子，哪些句子是一个段落，翻译结果应该如何出现。据悉，它还经过了长时间的优化，算法方面的翻译模型得到了稳固和改进，即使在实际环境中出现了个别不可避免的字符识别错误，它仍然具有稳定的性能。

从这个角度来看，照片翻译等新的应用场景试图给用户带来经验的颠覆性变化，不仅是实验室的革新，还集中解决技术在应用场景中遇到的具体问题，从而优化最终体验没有捷径。(阿尔伯特爱因斯坦，北方执行)。

从被人类翻译家抢饭碗的“巫术”到学习娱乐场场景中经常出没的日常应用程序，神经机器翻译技术落地的速度超出了很多人的想象。

在这些实用技术上，应用突破比理论突破更简单更紧迫。这也是我们现在想谈论照片翻译这个“小”功能的原因。

随着全球交流的逐步恢复，越来越不可避免地需要更自然、实时地理解跨语言信息。照片翻译对旅行、专业阅读、无障碍人触网等具有不可缺少的价值。这也是苹果、适当方法等产业界力量的价值。通过来自实际环境的数据、交互和反馈，不断推进神经机器翻译的小发展。

目前，苹果iOS15的系统级照片翻译取代专业翻译软件还为时尚早。事实上，未来不会相互替代，而是以各自适用的场景和需求强度相互补充，发挥各自的优势。

来自产业界的所有实践都使技术更上一层楼。弥撒城塔总有可以越过妨碍语言交流的“通天塔”。